第3章数据压缩的基本技术.pptVIP

3.10.3 算术编码（arithmetic coding AC） ● 特点 算术编码有基于概率统计的固定模式，也有相对灵活的自适应模式。 自适应模式适用于不进行概率统计的场合。 当信号源符号的出现概率接近时，算术编码的效率高于赫夫曼编码。 算术编码的实现相应地比赫夫曼编码复杂，硬件实现复杂程度较高。 小结 图像的信息量 离散信源 图像的信息熵 信源的概率分布与熵之间的关系 信源的相关性与序列熵之间的关系 信息率失真函数及限失真信源编码定理 图像中存在的冗余类型 图像编码系统的组成 信源的压缩方法和分类 预测编码 变换编码 赫夫曼编码 算术编码 * * * * 综上所述，可以得出以下结论： ①DPCM为空间域预测：空间域相邻像素之间有很强的相关性，利用这些相关性对当前像素进行预测； ②接收端预测器必须与发送端的预测器一致，换句话说就是要保持收发两端具有相同的预测条件。 ③预测值是以前面的N个样值为依据做出的，因此要求接收端的预测器也必须使用同样的N个样本，这样才能保证收、发之间的同步关系。 ④最佳线性预测编码 如果根据预测误差平方值的统计平均最小准则来获得的线性预测则被称为在最小均方误差意义下的“最佳线性预测器”，即确定 （i=1,……,m）使 的最小均方误差最小，此时xn相关性最大，所能达到的压缩比也最大. 3.5.1 差分脉冲编码调制DPCM 3.5.2 序列图像中运动矢量的估值（帧间预测） ●帧间预测是指由前一帧或前n帧图像来预测当前图像。在采用运动补偿技术后，帧间预测的准确度相当高。 1、运动矢量估值的必要性 活动图像序列中所存在的相关性大致分为以下几种： 如果场景为静止画面，当前帧和前一帧的图像内容是完全相同的。 对于运动物体而言，如果已知其运动规律，就可以根据其前一帧中的位置来推算出该运动物体它在新一帧中的位置。 摄像时镜头做平移、放大和缩小等操作时，图像随时间的变化规律也是可以推算的。 由于上述原因，因而发送端不需要发送把每幅图像中的全部像素，而只要将物体的运动信息告知收端，收端则按所接收到的运动信息和前一帧图像信息来恢复当前帧图像。可见要获得高质量的图像，则要求系统能准确地从图像序列中提取相关运动物体的信息。这一过程就称为运动估值。具体地说就是t时刻运动物体的像素值bt可以用在此之前τ时间的像素值bt-τ来表示。这两个像素点之差被称为位移矢量。 bt(z)= bt-τ(z-D) 3.5.2 序列图像中运动矢量的估值（帧间预测） ●实际中是比较相距时间τ的两帧图像估计出这段时间间隔内的位移D，通常采用的运动估值方法主要分为两大类，分别称为块匹配法和像素递归法。 ①像素递归法 像素递归法是针对每个像素逐一地根据预测误差来进行位移矢量估算，可见在系统中无需单独传送位置信息。 ②块匹配法 块匹配法的思路与像素递归法的分析思路不同。它是首先将图像划分成若干彼此互不重叠的子块(例如16×16)，并认为子块内所有像素的位移量相同，或者说它是把整个子块视为一个“运动物体”，但在实际图像序列中，一个运动物体的大小不可能恰好完全等于一个子块的大小，因此当一个真实物体运动时，如果仍以子块作为计量单位，那么严格意义上讲，在第k帧和第k+1帧图像中，不可能存在完全相同的子块，因此提出了相似性问题——匹配准则。 2、块匹配法 ●假设在图像序列中，t时刻对应于第k帧图像，t- τ时刻对应于k-1帧图像，对于k帧图像中的一个块，在k-1帧中找与其最相似的块，称为匹配块，并认为该匹配块在k-1帧中的位置，就是k帧块位移前的位置，则经过计算可以得到位移矢量D。 ●为了节省计算量，k-1帧的匹配搜索只在一定范围内进行，假设τ时间内块的最大水平和垂直位移量为dm个像素，则搜索范围: SR=(M+2dm)x(N+2dm) 目前常用的匹配准则： 归一化的互相关函数（NCCF）； 块亮度均方差值（MSE）； 块亮度差的绝对值均值（MAD）； 块亮度差的绝对值和（SAD） 2、块匹配法 SAD越小，相似性越高，当SAD最小时，两个子块达到匹配，计算出位移矢量D（i,j）,表示在k-1帧该子块在移动i行j列后与k帧中的子块相似。 块亮度差的绝对值和定义如下：将当前帧划分为MxN的图像子块，其中各像素用bk(m,n)表示，当第k帧中的MxN图像子块与第k-1帧中的MxN图像子块进行比较时，绝对值和为： dm ≤ i,j ≥ dm,(i,j)表示位移矢量，dm表示单方向上水平和垂直位移像素个数。